人脸检测

其实前面几个月看过人脸检测测论文，就是我写MTCNN那阵，看过了10篇？其实主要仍是看的别人的专栏和总结，本身没怎么深刻看。由于感受和目标检测用的方法很像。还没决定作哪一个方向以前，仍是在加强基本功比较好。

人脸检测和通用目标检测的区别

1. 要求速度快，能作到实时。毕竟用在安防这种地方，讲究的就是实时监测

2. 要求效率高，由于人脸比较小，因此须要对小物体准确率比较高。

因此须要在通用目标检测框架基础上作一些见得修改。参照别人的专栏，本身写一下吧。

https://zhuanlan.zhihu.com/p/32702868

https://zhuanlan.zhihu.com/p/38512246

https://zhuanlan.zhihu.com/p/36621308

1.级联系列

https://zhuanlan.zhihu.com/p/38340206

主要参考这我的的文章，写的很详细。

Cascade CNN

这篇为级联网络结构和CNN结合的第一论文？以后MTCNN就是在他的基础上作得修改。结构以下，3个特征提取网络，分析是否属于人脸，3个回归框调整网络，对回归框位置进行调整：

先是3个特征提取网络，12net,24net和48net,表明属于输入的图片格式大小。即便用12*12的滑动窗口进行滑动，提取图片输入网络中。12net的做用是先大量粗晒不符合的图片，为下一步准备分类减小负担。注意24net和48net都有一个分支，这个分支也会提取特征，而后与24net或48net的全链接层组合，一块儿判断是否属于人脸。

 

 回归框调整网络，彻底是利用先验知识作得调整。注意最后labels是48个评分，即对48种调整分别作了评分。以下：

 

 如何进行的45种调整呢？5*3*3以下：

  Sn：(0.83,0.91,1.0,1.10,1.21)

  Xn：(-0.17,0,0.17)

  Yn：(-0.17,0,0.17)

 MTCNN

 MTCNN是在原来Cascade CNN上作得一种调整。

 第一步是先造成图像金字塔，取不一样大小的图像，以后在整幅图上作全卷积，注意第一次P-net无全链接网络，由于输入的图片大小不同。以后筛选以后将第一次的预测图像resize成24*24，而后输入到R-net中，而后进行预测。第三次resize成48*48，而后输入到O-net中，再进行预测。流程以下图：

 

 精细的网络结构以下图。能够看到和Cascade仍是很像的，都是级联网络，加入了关键点检测，同时第一层12*12网络也去掉了全链接层：

 

 Facecraft

级联网络的进一步优化，作到了end2end训练，可是貌似效果不如MTCNN不过端到端训练应该是个趋势，毕竟速度快。.总体框架如图，很明白的图，就是分三支路，以后分别预测同时和下一支路特征进行融合。还提到了和Fastrcnn进行联合训练？没仔细看是如何提出的。。。

 

 loss部分

Finding tiny face

这个不是级联网络，更像目标检测中One-Stage方法作得一种优化，明显针对小目标的。如图，有几种训练方式，能够直接看翻译。

1. 模板固定，即人脸大小固定，输入不一样resize后的图像。

2. 图像固定，输入不一样大小的人脸

3.前两种的结合，改变人脸和图像

由于同一副图像中多个不一样人脸，大小也不同，resize的意义在于检测多尺度信息，尤为是小目标。这个模板是如何取得？不是特别清楚。模板就很像目标检测的anchor结构了。估计也是经过聚类来获得的一种先验统计

4，5. 在3的基础上增长一些上下文信息，有助于分类识别。文中叫context.

下图为网络架构不一样大小，不一样大小图片和不一样size的人脸模板

 

 还对比了一组加入上下文信息后的结果，融入不一样层feature map有助于小人脸的识别：

Face-RCNN

对Faster-RCNN作得一个优化，加入center loss，多尺度训练，还有对正负样本的限制。。没仔细看，由于一看到和Frcnn像就没看下去了。。

central loss更多用于人脸识别。就是不一样人脸经过网络造成向量，对比不一样向量间差别能更好识别人脸。

 

 SSH

 基于SSD的，对传统的人脸检测改进就是再也不resize输入图片，而是由不一样的卷积，形成不一样的感觉野，以此区分大，中，小脸。还要产生K个anchor结构

其中MA,M2,M3模块就是不一样的感觉野模块，经过不一样大小的卷积造成的。